You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
237 lines
31 KiB
237 lines
31 KiB
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 다국어 지원
|
|
|
|
#### GitHub Action을 통한 지원 (자동화 및 항상 최신 상태 유지)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](./README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
> **로컬 복제를 선호하시나요?**
|
|
>
|
|
> 이 저장소에는 50개 이상의 언어 번역본이 포함되어 있어 다운로드 크기가 상당히 커집니다. 번역 없이 복제하려면 sparse checkout을 사용하세요:
|
|
>
|
|
> **Bash / macOS / Linux:**
|
|
> ```bash
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
> cd ML-For-Beginners
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
> ```
|
|
>
|
|
> **CMD (Windows):**
|
|
> ```cmd
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
> cd ML-For-Beginners
|
|
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
|
|
> ```
|
|
>
|
|
> 이렇게 하면 훨씬 더 빠른 다운로드로 코스 완료에 필요한 모든 것을 받을 수 있습니다.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### 커뮤니티에 참여하세요
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
우리는 Discord에서 AI와 함께 배우는 시리즈를 진행 중이며, 2025년 9월 18일부터 30일까지 [Learn with AI Series](https://aka.ms/learnwithai/discord)에서 자세히 알아보고 참여할 수 있습니다. 여기서 GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.
|
|
|
|
|
|
|
|
# 초보자를 위한 머신러닝 - 교과 과정
|
|
|
|
> 🌍 세계 문화를 통해 머신러닝을 탐구하며 전 세계를 여행해요 🌍
|
|
|
|
Microsoft의 Cloud Advocates는 머신러닝에 관한 12주간 26개 강의의 커리큘럼을 기쁘게 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여, 때로는 <strong>고전적 머신러닝</strong>이라 불리는 내용을 배우고, 심층 학습은 [AI for Beginners 커리큘럼](https://aka.ms/ai4beginners)에서 다룹니다. 이 강의를 ['데이터 과학 초보자' 커리큘럼](https://aka.ms/ds4beginners)과 함께 진행하세요!
|
|
|
|
전 세계를 여행하면서 이러한 고전 기술을 세계 여러 지역의 데이터를 다루는 데 적용해봅니다. 각 강의에는 강의 전 및 후 퀴즈, 완성 지침서, 해답, 과제 등이 포함되어 있습니다. 프로젝트 기반 교육법으로 학습하는 동안 직접 만들어 봄으로써 새로운 기술을 확실히 익힐 수 있습니다.
|
|
|
|
**✍️ 저자분들께 진심으로 감사드립니다** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd
|
|
|
|
**🎨 일러스트 작업을 해주신 분들께도 감사드립니다** Tomomi Imura, Dasani Madipalli, Jen Looper
|
|
|
|
**🙏 Microsoft 학생 홍보대사 저자, 리뷰어 및 콘텐츠 기여자분들께 특별 감사드립니다.** Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal 님.
|
|
|
|
**🤩 R 강의를 위해 도움 주신 Microsoft 학생 홍보대사 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta 님께도 감사드립니다!**
|
|
|
|
# 시작하기
|
|
|
|
다음 단계를 따라 주세요:
|
|
1. **저장소 포크하기**: 이 페이지 오른쪽 상단의 "Fork" 버튼을 클릭하세요.
|
|
2. **저장소 복제하기**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [이 코스의 모든 추가 자료는 Microsoft Learn 컬렉션에서 찾을 수 있습니다](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **도움이 필요하신가요?** 설치, 설정, 강의 실행 시 발생하는 일반적인 문제 해결책은 [문제 해결 가이드](TROUBLESHOOTING.md)를 확인하세요.
|
|
|
|
**[학생](https://aka.ms/student-page) 여러분**, 이 커리큘럼을 사용하려면 저장소 전체를 본인 GitHub 계정으로 포크하여 혼자 또는 그룹과 함께 연습문제를 완료하세요:
|
|
|
|
- 강의 전 퀴즈부터 시작하세요.
|
|
- 강의를 읽고 활동을 완료하며 각 지식 점검에서 잠시 멈추고 성찰하십시오.
|
|
- 강의 내용을 이해하여 프로젝트를 직접 만들려고 시도하세요. 해결 코드가 필요하면 각 프로젝트 지향 강의의 `/solution` 폴더에 있습니다.
|
|
- 강의 후 퀴즈를 풀어보세요.
|
|
- 도전을 완료하세요.
|
|
- 과제를 제출하세요.
|
|
- 한 강의 그룹을 마친 후 [토론 게시판](https://github.com/microsoft/ML-For-Beginners/discussions)에 방문해 "큰 소리로 배우기"를 위해 적절한 PAT 루브릭을 작성하세요. 'PAT'은 학습을 더욱 심화시키기 위한 평가 도구입니다. 다른 PAT에도 반응하여 함께 배울 수 있습니다.
|
|
|
|
> 추가 학습을 위해 다음 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 모듈과 학습 경로를 추천합니다.
|
|
|
|
**교사 여러분**, 이 커리큘럼을 활용하는 방법에 관한 [제안 사항](for-teachers.md)도 포함되어 있습니다.
|
|
|
|
---
|
|
|
|
## 비디오 안내
|
|
|
|
일부 강의는 짧은 영상으로 제공됩니다. 강의 내에서 직접 보거나, 이미지 클릭 시 [Microsoft Developer YouTube 채널의 ML for Beginners 재생목록](https://aka.ms/ml-beginners-videos)에서 모두 확인할 수 있습니다.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## 팀을 소개합니다
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**GIF 제작자** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 위 이미지를 클릭하여 프로젝트와 제작진에 대한 영상을 시청하세요!
|
|
|
|
---
|
|
|
|
## 교육 철학
|
|
|
|
이 커리큘럼을 만들면서 두 가지 교육 원칙을 선택했습니다: 실습 중심의 <strong>프로젝트 기반 학습</strong>과 **빈번한 퀴즈** 포함입니다. 또한 일관된 <strong>주제</strong>를 설정해 통일감을 갖도록 했습니다.
|
|
|
|
내용을 프로젝트와 일치시키면 학생들의 참여도가 높아지고 개념 이해가 더 잘 유지됩니다. 수업 전 간단한 퀴즈는 학습 의도를 다지게 하며, 수업 후 퀴즈는 이해도를 높입니다. 이 커리큘럼은 유연하고 재미있게 설계돼 전체 또는 일부만 진행할 수 있습니다. 프로젝트는 작게 시작하여 12주 사이클이 끝날 때쯤 점차 복잡해집니다. 추가 학점이나 토론 주제로 쓸 수 있는 실제 ML 적용 후문도 포함되어 있습니다.
|
|
|
|
> [행동 강령](CODE_OF_CONDUCT.md), [기여 가이드](CONTRIBUTING.md), [번역](..), [문제 해결](TROUBLESHOOTING.md) 지침을 확인하세요. 여러분의 건설적인 피드백을 환영합니다!
|
|
|
|
## 각 강의 구성 요소
|
|
|
|
- 선택적 스케치노트
|
|
- 선택적 보조 비디오
|
|
- 비디오 안내 (일부 강의만)
|
|
- [강의 전 워밍업 퀴즈](https://ff-quizzes.netlify.app/en/ml/)
|
|
- 서면 강의 자료
|
|
- 프로젝트 기반 강의의 경우 프로젝트 만드는 단계별 가이드
|
|
- 지식 점검
|
|
- 도전 과제
|
|
- 보조 읽기 자료
|
|
- 과제
|
|
- [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ml/)
|
|
> **언어에 대한 참고 사항**: 이 강의들은 주로 Python으로 작성되었지만, 많은 강의가 R로도 제공됩니다. R 강의를 완료하려면 `/solution` 폴더로 이동하여 R 강의를 찾아보세요. 이 강의들은 `.rmd` 확장자를 가지고 있으며, 이는 `코드 청크`(R 또는 다른 언어)와 `YAML 헤더`(PDF와 같은 출력 형식을 안내하는)를 `Markdown 문서`에 포함한 **R Markdown** 파일을 의미합니다. 따라서 R Markdown은 코드, 출력 결과, 그리고 생각을 Markdown으로 작성할 수 있게 해줘 데이터 과학에 적합한 저작 프레임워크로 활용됩니다. 또한, R Markdown 문서는 PDF, HTML, Word와 같은 출력 형식으로 렌더링할 수 있습니다.
|
|
|
|
> **퀴즈에 대한 참고 사항**: 모든 퀴즈는 [Quiz App 폴더](../../quiz-app)에 포함되어 있으며, 총 52개의 퀴즈가 각기 세 개의 질문으로 구성되어 있습니다. 이 퀴즈들은 강의 내에서 연결되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있습니다; `quiz-app` 폴더 내 지침을 따라 로컬로 호스트하거나 Azure에 배포할 수 있습니다.
|
|
|
|
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | 머신러닝 소개 | [Introduction](1-Introduction/README.md) | 머신러닝의 기본 개념을 학습하세요 | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | 머신러닝의 역사 | [Introduction](1-Introduction/README.md) | 이 분야의 역사를 학습하세요 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
| 03 | 공정성과 머신러닝 | [Introduction](1-Introduction/README.md) | 학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 공정성과 관련된 중요한 철학적 문제는 무엇인가? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | 머신러닝 기법 | [Introduction](1-Introduction/README.md) | ML 연구자들이 ML 모델을 구축하는 데 사용하는 기법은 무엇인가? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
| 05 | 회귀 분석 소개 | [Regression](2-Regression/README.md) | Python과 Scikit-learn으로 회귀 모델 시작하기 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | 북미 호박 가격 🎃 | [Regression](2-Regression/README.md) | 머신러닝 준비를 위한 데이터 시각화 및 정제 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | 북미 호박 가격 🎃 | [Regression](2-Regression/README.md) | 선형 및 다항 회귀 모델 구축 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
| 08 | 북미 호박 가격 🎃 | [Regression](2-Regression/README.md) | 로지스틱 회귀 모델 구축 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | 웹 앱 🔌 | [Web App](3-Web-App/README.md) | 훈련된 모델을 사용하기 위한 웹 앱 구축 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | 분류 소개 | [Classification](4-Classification/README.md) | 데이터 정제, 준비 및 시각화; 분류 소개 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
| 11 | 맛있는 아시아 및 인도 요리 🍜 | [Classification](4-Classification/README.md) | 분류기 소개 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
| 12 | 맛있는 아시아 및 인도 요리 🍜 | [Classification](4-Classification/README.md) | 추가 분류기 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
| 13 | 맛있는 아시아 및 인도 요리 🍜 | [Classification](4-Classification/README.md) | 모델을 사용해 추천 웹 앱 구축 | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | 군집화 소개 | [Clustering](5-Clustering/README.md) | 데이터 정제, 준비 및 시각화; 군집화 소개 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | 나이지리아 음악 취향 탐색 🎧 | [Clustering](5-Clustering/README.md) | K-평균 군집화 방법 탐구 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | 자연어 처리 소개 ☕️ | [Natural language processing](6-NLP/README.md) | 간단한 봇을 만들어 NLP 기본 배우기 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | 일반적인 NLP 작업 ☕️ | [Natural language processing](6-NLP/README.md) | 언어 구조를 다룰 때 필요한 일반적인 작업 이해로 NLP 지식 심화 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | 번역 및 감성 분석 ♥️ | [Natural language processing](6-NLP/README.md) | 제인 오스틴과 함께하는 번역 및 감성 분석 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | 유럽의 낭만적인 호텔들 ♥️ | [Natural language processing](6-NLP/README.md) | 호텔 리뷰 감성 분석 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | 유럽의 낭만적인 호텔들 ♥️ | [Natural language processing](6-NLP/README.md) | 호텔 리뷰 감성 분석 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | 시계열 예측 소개 | [Time series](7-TimeSeries/README.md) | 시계열 예측 소개 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ 세계 전력 사용량 ⚡️ - ARIMA를 이용한 시계열 예측 | [Time series](7-TimeSeries/README.md) | ARIMA를 이용한 시계열 예측 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ 세계 전력 사용량 ⚡️ - SVR을 이용한 시계열 예측 | [Time series](7-TimeSeries/README.md) | 서포트 벡터 회귀(SVR)를 이용한 시계열 예측 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | 강화 학습 소개 | [Reinforcement learning](8-Reinforcement/README.md) | Q-러닝을 통한 강화 학습 소개 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | 피터가 늑대를 피하도록 도와주세요! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 강화 학습 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Postscript | 실제 ML 시나리오 및 응용 사례 | [ML in the Wild](9-Real-World/README.md) | 고전적인 ML의 흥미롭고 드러나는 실제 응용 사례 | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
| Postscript | RAI 대시보드를 활용한 ML 모델 디버깅 | [ML in the Wild](9-Real-World/README.md) | Responsible AI 대시보드 구성 요소를 활용한 머신러닝 모델 디버깅 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [이 과정의 모든 추가 자료는 Microsoft Learn 컬렉션에서 확인하세요](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## 오프라인 접근
|
|
|
|
[Docsify](https://docsify.js.org/#/)를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 컴퓨터에 [Docsify를 설치](https://docsify.js.org/#/quickstart)한 다음, 이 저장소의 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트에서 제공됩니다: `localhost:3000`.
|
|
|
|
## PDF
|
|
|
|
링크된 PDF 교육 과정은 [여기](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)에서 찾으실 수 있습니다.
|
|
|
|
|
|
## 🎒 기타 강좌
|
|
|
|
우리 팀은 다른 강좌들도 제작합니다! 확인해 보세요:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### 생성 AI 시리즈
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### 핵심 학습
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### 코파일럿 시리즈
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## 도움 받기
|
|
|
|
AI 앱 개발 중 막히거나 궁금한 점이 있다면, MCP에 대해 함께 배우는 학습자와 경험이 풍부한 개발자들과 토론에 참여하세요. 질문을 환영하고 지식을 자유롭게 공유하는 지원 커뮤니티입니다.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
제품 피드백이 있거나 개발 중 오류가 발생하면 다음을 방문하세요:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
## 추가 학습 팁
|
|
|
|
- 각 강의 후 노트북을 검토하여 이해도를 높이세요.
|
|
- 알고리즘 구현을 직접 연습해 보세요.
|
|
- 배운 개념을 활용하여 실제 데이터셋을 탐색해 보세요.
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**면책 조항**:
|
|
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원문 문서는 해당 원어로 된 문서가 권위 있는 출처임을 인정해 주십시오. 중요한 정보의 경우 전문가의 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |